アニメアートは時代と共に変化し、そのスタイルは年代ごとに独自の特徴を持っています。
「年代タグ」は、特定の時代のアートスタイルを再現する新たな道を開きました。
本記事では、この年代タグの仕組みと、それが生成する画像に与える影響について掘り下げていきます。
年代タグ（Year Tags）
Animagine XL 3.0は、NovelAI Diffusion V3の影響を大きく受けています。
そのことについては、次の記事内で説明しています。
しかし、年代タグについてはNovelAI Diffusion V3とは異なります。
NovelAI Diffusion V3では、単一の年（2014）をプロンプトで指定できます。
つまり、投稿年でモデルが学習されていると言えます。
それに対して、Animagine XL 3.0は複数年にまたがる投稿年を基に学習されています。
そのため、次のようなタグで指定することになります。
- newest
- late
- mid
- early
- oldest
年代タグ（Year Tags）の動作検証
まずは、以下を見てください。
年代タグ以外は、同じ条件で生成しています。
これらの画像は、次の年代タグ順に生成した結果になります。
oldest、early、mid、late、newest
左から右へ、段々と新しくなっているということですね。
ただ、すべて同じように見えます。
まあ、画像サイズが小さいということも影響しています。
次も同じように左から右へ新しくなっています。
こちらの方は、先ほどよりは変化を確認できますね。
ただし、明確な違いは感じれません。
では、次の比較画像ならどうでしょうか？
左から順に、次のような年代タグを用いています。
- oldest, early, mid
- newest, late
- 年代タグなし
最も左は、古い画風に見えますよね。
次も同じ順番で作成しています。
ここまでの結果を見る限り、年代タグは複数を合わせた方が効果的と言えます。
そして、「年代タグなし」は「newest, late」の指定と同じだと推測できます。
